期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到128篇文章
< 1 2 … 7 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
Bearing Fault Diagnosis with Hybrid CNN-RNN:A Unified-Loop Hyperparameter Optimization Framework via Surrogate-Based Bayesian Optimization 认领 引用
1
作者 Jaewan Lee Seonghwan Park Junghwan Kook 《Computer Modeling in Engineering & Sciences》 SCIE EI 2026年第6期252-273,共22页
In bearing fault diagnosis for Prognostics and Health Management(PHM),the overall performance of data-driven models is strongly influenced by the coupled effects of preprocessing,model configuration,and decision fusio... In bearing fault diagnosis for Prognostics and Health Management(PHM),the overall performance of data-driven models is strongly influenced by the coupled effects of preprocessing,model configuration,and decision fusion.However,these components are often optimized independently,resulting in fragmented workflows that limit global optimality,reproducibility,and computational efficiency of the model.This study presents a computationally unified three-stage sequential optimization framework that systematically coordinates the preprocessing selection,model hyperparameter optimization,and decision-level fusion within a consistent surrogate-based optimization architecture.In the first stage,candidate preprocessing schemes reflecting physical faultmechanisms—outer race,inner race,rolling element,and cage faults—are evaluated using a training-free Class Separability Score(CSS),which enables efficient screening without introducing model bias.In the second stage,the hyperparameters of two complementary architectures—an EfficientNetV2-based Convolutional Neural Network(CNN)operating in the time–frequency domain and a Gated Recurrent Unit(GRU)-based Recurrent Neural Network(RNN)operating in the time domain—are optimized independently by maximizing the cross-validated performance.In the third stage,a stacking-based late fusion model is constructed using out-of-fold posterior probabilities to learn the optimal decision rules that exploit cross-model complementarity.All stages are governed by a unified optimization container integrating LatinHypercube Sampling(LHS),Kriging surrogate modeling with expected improvement,and BayesianOptimization withHyperband(BOHB),enabling surrogate-assisted exploration under multi-fidelity computational budgets.Numerical experiments on benchmark datasets,including CaseWestern ReserveUniversity(CWRU)andMAFAULDA,demonstrate the stable convergence behavior of the sequential optimization process and consistent performance gains over single-model baselines.Reproducibility is ensured through fixed data partitions,randomseeds,and normalization boundaries across all stages.The proposed framework provides a structured and reproducible computational modeling approach for bearing fault diagnosis,highlighting how coordinated optimization across multiple stages can improve the robustness and efficiency of complex PHM workflows. 展开更多
关键词 Bearing fault diagnosis hybrid CNN-RNN Bayesian optimization surrogate modeling class separability score
暂未订购 下载PDF
基于CNN-RNN的小麦抗寒性分类模型 认领 引用 被引量：3
2
作者 来纯晓 李艳翠 《东北农业科学》 2023年第4期117-121,共5页
为提升小麦抗寒性分类的准确度,进而为杂交组合选择提供参考。本研究以3049个国审小麦品种文本为试验数据,采用卷积神经网络结合循环神经网络(CNN-RNN)的方法对小麦抗寒性分类进行预测。结果表明,该方法具有较好的表现,准确率可达73.28%... 为提升小麦抗寒性分类的准确度,进而为杂交组合选择提供参考。本研究以3049个国审小麦品种文本为试验数据,采用卷积神经网络结合循环神经网络(CNN-RNN)的方法对小麦抗寒性分类进行预测。结果表明,该方法具有较好的表现,准确率可达73.28%,Kappa系数为0.5956。为降低试验样本不均衡对本研究准确性的干扰,进而采用SMOTE技术,以实现样本均衡。过采样后,CNN-RNN的准确率和Kappa系数分别提升7.67%和0.02。说明上述方法组合能够有效提高小麦抗寒预测的准确性以及一致性检验系数,可应用于小麦抗寒分类预测,以达到缩短育种周期的目的。 展开更多
关键词 小麦 抗寒性分类 育种周期 CNN-RNN SMOTE
暂未订购 下载PDF
基于CNN-RNN组合模型的办公建筑能耗预测 认领 引用 被引量：40
3
作者 曾国治 魏子清 +3 位作者 岳宝 丁云霄 郑春元 翟晓强 《上海交通大学学报》 EI CAS CSCD 北大核心 2022年第9期1256-1261,共6页
为准确反映办公建筑的运行特性,利用卷积神经网络(CNN)良好的特征提取能力与循环神经网络(RNN)良好的时序学习能力,提出用于预测办公建筑能耗的CNN-RNN组合模型,并对应设计了适用于深度学习模型的二维矩阵数据输入结构.案例分析结果表明... 为准确反映办公建筑的运行特性,利用卷积神经网络(CNN)良好的特征提取能力与循环神经网络(RNN)良好的时序学习能力,提出用于预测办公建筑能耗的CNN-RNN组合模型,并对应设计了适用于深度学习模型的二维矩阵数据输入结构.案例分析结果表明,相较于简单循环神经网络和长短期记忆网络,CNN-RNN组合模型的预测精度与计算效率均显著提升,模型泛化性好. 展开更多
关键词 建筑能耗预测 卷积神经网络 循环神经网络 深度学习
暂未订购 下载PDF
基于CNN-RNN深度学习的图片描述方法与优化 认领 引用 被引量：2
4
作者 陈虹君 罗福强 +2 位作者 赵力衡 张杰 李瑶 《湘潭大学自然科学学报》 2018年第2期67-70,共4页
为了提高模型的泛化能力,将机器翻译的编-解码模型引入图片描述中.首先,提出了CNN-RNN模型:CNN负责编码,RNN负责解码,RNN模型采用LSTM网络.接着,考虑到该模型一定程度上忽略了图片的局部区域特征和图片语义信息,因此又提出改进的CNN-MIL... 为了提高模型的泛化能力,将机器翻译的编-解码模型引入图片描述中.首先,提出了CNN-RNN模型:CNN负责编码,RNN负责解码,RNN模型采用LSTM网络.接着,考虑到该模型一定程度上忽略了图片的局部区域特征和图片语义信息,因此又提出改进的CNN-MIL-DRN模型.该模型考虑了属性概率向量,并将多个时刻状态堆叠在一个时刻的计算中,加深了非线性变换的复杂深度.最后,采用MS COCO C5进行模型测试,以AP及5个不用的阈值测试不同指标,同时选取一些目前较新的模型作对比,从而得到CNN-MIL-DRN模型的最优效果. 展开更多
关键词 神经网络 CNN RNN MIL LSTM DRN
暂未订购 下载PDF
基于CNN-RNN组合模型的凝汽式汽轮机能耗预测研究 认领 引用 被引量：4
5
作者 豆重飞 《自动化应用》 2023年第23期118-120,123,共3页
常规的凝汽式汽轮机能耗预测方法主要采用瞬态/稳态并行分析法生成汽轮机能耗预测模型,该方法易受临界负荷的影响,导致热耗预测偏差较大过高。因此,本文提出基于卷积循环神经网络(CNN-RNN)组合模型的凝汽式汽轮机能耗预测研究,利用R检... 常规的凝汽式汽轮机能耗预测方法主要采用瞬态/稳态并行分析法生成汽轮机能耗预测模型,该方法易受临界负荷的影响,导致热耗预测偏差较大过高。因此,本文提出基于卷积循环神经网络(CNN-RNN)组合模型的凝汽式汽轮机能耗预测研究,利用R检验法筛选并生成凝汽式汽轮机能耗特征参数工况库,结合CNN-RNN组合模型消除凝汽式汽轮机能耗预测偏差,从而完成凝汽式汽轮机能耗预测。结果表明,设计的基于凝汽式汽轮机能耗CNN-RNN组合模型的凝汽式汽轮机能耗预测方法的热耗预测偏差较小,证明该方法的预测效果较好,具备较高的准确性和一定的应用价值,为优化汽轮机的运行方案提供了一定贡献。 展开更多
关键词 CNN-RNN组合模型 凝汽式 汽轮机 能耗 预测
暂未订购 下载PDF
一种基于CNN-RNN模型的图像检索技术 认领 引用 被引量：3
6
作者 汤永斌 《信息与电脑》 2023年第9期182-184,共3页
图像检索是一项重要的研究课题,涉及如何快速、准确地检索和管理海量的图像数据。传统的图像检索技术主要依赖图像的视觉特征或文本描述进行匹配,但是难以充分理解图像的语义信息,对复杂场景的适应性较差。针对这一问题,文章提出了一种... 图像检索是一项重要的研究课题,涉及如何快速、准确地检索和管理海量的图像数据。传统的图像检索技术主要依赖图像的视觉特征或文本描述进行匹配,但是难以充分理解图像的语义信息,对复杂场景的适应性较差。针对这一问题,文章提出了一种基于卷积神经网络-循环神经网络(Convolutional Neural Networks-Recurrent Neural Network,CNN-RNN)模型的图像检索技术。该技术将CNN和RNN相结合,构建了一个统一的深度学习框架。其中,CNN模型用于从图像中提取全局特征,RNN模型用于学习图像与标签之间的语义关联和共现依赖。文章通过将CNN输出的特征序列输入到RNN模型中,实现了对图像全局语义信息的捕获。将设计系统在多个数据集上进行实验,结果表明,设计的方法能够有效提高图像检索的效率和准确性。 展开更多
关键词 图像检索 循环神经网络(RNN)模型 卷积神经网络(CNN)模型
暂未订购 下载PDF
基于CNN-RNN集成的隧道事故异常声音识别 认领 引用 被引量：12
7
作者 郎巨林 郑晟 《电子测量技术》 北大核心 2023年第20期164-169,共6页
为提高公路隧道事故异常声音识别的准确率,并针对卷积神经网络只关注局部信息问题,提出了一种基于CNN-RNN集成的声音识别模型。该模型采用Stacking集成策略将CNN的强特征表达能力和RNN的强记忆能力相结合,并使用门控循环单元减少循环神... 为提高公路隧道事故异常声音识别的准确率,并针对卷积神经网络只关注局部信息问题,提出了一种基于CNN-RNN集成的声音识别模型。该模型采用Stacking集成策略将CNN的强特征表达能力和RNN的强记忆能力相结合,并使用门控循环单元减少循环神经网络的计算复杂度,将SIREN正弦周期函数作为RNN的隐式激活函数,增强模型对声音数据的拟合能力,设计多通道卷积细化特征提取的精度,实现全局化特征提取。在异常声音数据集上评估了所提声音识别模型的识别性能,实验结果表明:提出的声音模型的识别性能高于其他模型,且更加稳健,可有效识别公路隧道事故的异常声音。 展开更多
关键词 集成学习 Stacking CNN RNN 声音识别
暂未订购 下载PDF
CNN-RNN融合法在旋转机械故障诊断中的应用 认领 引用 被引量：7
8
作者 丁頔 南国防 《轻工学报》 CAS 2020年第1期102-108,共7页
针对目前旋转机械故障诊断存在运算时间长、精度不高等问题,将CNN的特征提取能力和RNN时序处理能力相结合,提出了CNN-RNN融合分析法.该方法使用一维CNN网络提取特征数据,剔除受环境噪音等因素影响的无效信息且依然具有时序性,再由处理... 针对目前旋转机械故障诊断存在运算时间长、精度不高等问题,将CNN的特征提取能力和RNN时序处理能力相结合,提出了CNN-RNN融合分析法.该方法使用一维CNN网络提取特征数据,剔除受环境噪音等因素影响的无效信息且依然具有时序性,再由处理时序数据精度较高的RNN对该特征数据进行计算处理进而对旋转机械进行故障诊断.在测试集上的验证实验结果表明,该方法不需要手动提取特征数据,运算时间大约减少1/2,故障诊断精度提高约2%,具有可行性. 展开更多
关键词 卷积神经网络 递归神经网络 故障诊断 旋转机械
暂未订购 下载PDF
IntrusionNet:Deep Learning-Based Hybrid Model for Detection of Known and Zero-Day Attacks 认领 引用
9
作者 Sarmad Dheyaa Azeez Saadaldeen Rashid Ahmed +3 位作者 Muhammad Ilyas Abu Saleh Musa Miah Fahmid Al Farid Md.Hezerul Abdul Karim 《Computers, Materials & Continua》 SCIE EI 2026年第7期1220-1241,共22页
Traditional Intrusion Detection Systems(IDSs)that rely on fixed signatures or basic machine learning often struggle with sophisticated,multi-stage cyberattacks and previously unknown threats.To fix these problems,this... Traditional Intrusion Detection Systems(IDSs)that rely on fixed signatures or basic machine learning often struggle with sophisticated,multi-stage cyberattacks and previously unknown threats.To fix these problems,this paper introduces IntrusionNet,a mixed deep learning system that combines Convolutional Neural Networks(CNN),Recurrent Neural Networks(RNN),and Autoencoders in a two-part design.Differing from typical stacked models,IntrusionNet works on two levels at the same time.First,a supervised CNN-RNN process pulls spatial-temporal data from traffic flows to sort well-known attack patterns.Second,an unsupervised Autoencoder process spots new anomalies by looking at reconstruction error limits.This approach allows the automatic learning of threat traits as they change,without needing someone to do it by hand.The system was tested on the UNSW-NB15 data set,picked because it realistically includes many kinds of attacks,like Fuzzers,Shellcode,and Worms.Tests show that IntrusionNet gets an accuracy of 98.80%and an F1-score of 0.985,doing better than other systems,especially with less common attack types.Also,tests using Precision-Recall(PR)analysis and False Positive Rate(FPR)measurements prove that the model handles class imbalance well,which is key for real-world security.The suggested system can be scaled up easily and performs calculations fast,making it a possible key part of real-time detection in Security Information and Event Management(SIEM)systems. 展开更多
关键词 Intrusion detection system(IDS) deep learning CNN-RNN hybrid anomaly detection UNSW-NB15 network security real-time detection IntrusionNet temporal modeling cybersecurity
暂未订购 下载PDF
A combined deep CNN-RNN network for rainfall-runoff modelling in Bardha Watershed,India 认领 引用 被引量：6
10
作者 Padala Raja Shekar Aneesh Mathew +1 位作者 P.V.Yeswanth S.Deivalakshmi 《Artificial Intelligence in Geosciences》 2024年第1期1-13,共13页
In recent years,there has been a growing interest in using artificial intelligence(AI)for rainfall-runoff modelling,as it has shown promising adaptability in this context.The current study involved the use of six dist... In recent years,there has been a growing interest in using artificial intelligence(AI)for rainfall-runoff modelling,as it has shown promising adaptability in this context.The current study involved the use of six distinct AI models to simulate monthly rainfall-runoff modelling in the Bardha watershed,India.These models included the artificial neural network(ANN),k-nearest neighbour regression model(KNN),extreme gradient boosting(XGBoost)regression model,random forest regression model(RF),convolutional neural network(CNN),and CNN-RNN(convolutional recurrent neural network).The years 2003-2007 are classified as the calibration or training period,while the years 2008-2009 are classified as the validation or testing period for the span of time 2003 to 2009.The available rainfall,maximum and minimum temperatures,and discharge data were collected and utilized in the models.To compare the performance of the models,five criteria were employed:R2,NSE,MAE,RMSE,and PBIAS.The CNN-RNN model simulates the rainfall-runoff model in the Bardha watershed best in both the training and testing periods(training:R2 is 0.99,NSE is 0.99,MAE is 1.76,RMSE is 3.11,and PBIAS is1.45;testing:R2 is 0.97,NSE is 0.97,MAE is 2.05,RMSE is 3.60,and PBIAS is3.94).These results demonstrate the superior performance of the CNN-RNN model in simulating monthly rainfall-runoff modelling when compared to the other models used in the study.The findings suggest that the CNN-RNN model could be a valuable tool for various applications related to sustainable water resource management,flood control,and environmental planning. 展开更多
关键词 Rainfall-runoff models XGBoost CNN ANN CNN-RNN
基于深度学习的体育慕课教学诊断与优化 认领 引用
11
作者 闫丽敏 张丽 韩改玲 《河南师范大学学报（自然科学版）》 CAS 北大核心 2026年第5期83-89,I0026-I0033,共7页
教育数字化转型与全民学习型社会建设深入推进,为体育在线课程的智慧化发展提供了重要契机.运用文本挖掘法、案例分析法等研究方法,从学习者视角切入,对中国大学慕课平台185门体育慕课课程的学习者评论数据进行了深入挖掘,探讨卷积神经... 教育数字化转型与全民学习型社会建设深入推进,为体育在线课程的智慧化发展提供了重要契机.运用文本挖掘法、案例分析法等研究方法,从学习者视角切入,对中国大学慕课平台185门体育慕课课程的学习者评论数据进行了深入挖掘,探讨卷积神经网络-循环神经网络混合模型进行情感分析,聚焦负向评论进行教学诊断;构建潜在狄利克雷分布主题分析模型,精准拆解问题剖析致因;提出针对性解决方案并明确各路径的解决成效.研究发现体育慕课核心短板与教学痛点:1)课程设置与学习者需求错位;2)课程分类与检索粗放;3)课程内容静态化与窄化;4)教学与考核机制脱节;5)反馈支持体系不完善.因此,提出基于情感主题分析的教学表达与呈现优化;基于主题与情感标签的课程内容智能适配;融合具身认知的实践教学环节创设;基于多模态数据的个性化学习支持与情感干预. 展开更多
关键词 体育慕课 学习者评论 文本挖掘 教学诊断 精准优化 卷积神经网络 循环神经网络 潜在狄利克雷分布
暂未订购 下载PDF
汽车司机智能驾驶行为监控系统设计 认领 引用
12
作者 李益萱 丁学用 +4 位作者 宋德周 胡中旭 王玥瑶 夏锦戎 陈奕彤 《物联网技术》 2026年第11期23-26,29,共4页
随着机动车保有量的增长,不良驾驶行为引起的交通事故越来越多。基于轻量化CNN-RNN模型与多模态传感器数据融合监控算法,结合卷积神经网络和循环神经网络,通过在车内部署高清摄像头、非接触式红外测温传感器及光敏电阻等设备,实时采集... 随着机动车保有量的增长,不良驾驶行为引起的交通事故越来越多。基于轻量化CNN-RNN模型与多模态传感器数据融合监控算法,结合卷积神经网络和循环神经网络,通过在车内部署高清摄像头、非接触式红外测温传感器及光敏电阻等设备,实时采集驾驶员面部表情、头部姿态、肢体动作及生理状态信息。利用Jetson Nano边缘计算平台进行图像预处理与模型推理,结合MobileNetV2和LSTM实现行为特征的时空建模,可识别疲劳、分心、单手驾驶、接打电话及吸烟等不良驾驶行为。系统支持本地语音预警与加密云端通信,具备实时干预与远程监控功能。该系统能有效预警不良驾驶行为,对提升驾驶安全、降低事故发生率具有重要应用价值。 展开更多
关键词 智能驾驶 驾驶行为 监控系统 CNN-RNN模型 多模态数据融合 神经网络 主动干预
暂未订购 下载PDF
基于深度学习的建筑工程漏水病害图像处理技术研究 认领 引用
13
作者 兰雯竣 秦诗凡 +3 位作者 张竣翔 刘凯旗 罗一鸣 丁妍文 《长江信息通信》 2026年第1期164-167,共4页
建筑工程中,漏水病害检测效率低、定位不准,影响工程维护与质量。为此,本文提出基于深度学习的图像处理技术方案。首先收集漏水病害图像构建数据集并预处理,调整大小、去噪等。接着融合卷积与循环神经网络设计混合模型,再结合贝叶斯优... 建筑工程中,漏水病害检测效率低、定位不准,影响工程维护与质量。为此,本文提出基于深度学习的图像处理技术方案。首先收集漏水病害图像构建数据集并预处理,调整大小、去噪等。接着融合卷积与循环神经网络设计混合模型,再结合贝叶斯优化打造集成模型,可实现像素级病害分割与分类。之后用IoU数等指标评估模型,并与FCN、UNet等对比。实验显示,该方法在关键指标上优于传统模型,能为建筑物渗漏水病害的精准定位与评估提供技术支撑。 展开更多
关键词 深度学习 渗漏水病害 图像分割 CNN-RNN
暂未订购 下载PDF
基于RNN-BiLSTM-CNN的智能电网稳定性诊断 认领 引用
14
作者 孙亚 巩秀中 +2 位作者 潘巧波 曹席华 张骏 《电工技术》 2026年第6期159-162,共4页
由于可再生能源出力的强间歇性与终端负荷的多维动态特性,智能电网面临系统稳定性困境。稳定性诊断算法作为智能电网安全运行的“神经中枢”,不仅为风险前馈控制提供决策依据,更成为优化潮流分布、挖掘柔性资源潜力的关键技术支撑。通... 由于可再生能源出力的强间歇性与终端负荷的多维动态特性,智能电网面临系统稳定性困境。稳定性诊断算法作为智能电网安全运行的“神经中枢”,不仅为风险前馈控制提供决策依据,更成为优化潮流分布、挖掘柔性资源潜力的关键技术支撑。通过融合循环神经网络(Recurrent Neural Network,RNN)、双向长短期记忆网络(Bi-directional Long Short-Term Memory,BiLSTM)与卷积神经网络(Convolutional Neural Network,CNN)构建了智能电网稳定性诊断模型RNN-BiLSTM-CNN。利用RNN处理时间序列数据,捕捉时序依赖性,通过BiLSTM双向编码增强特征提取能力、捕捉长短期依赖,CNN通过卷积层自动提取局部特征来提升特征学习与预测能力。实验结果表明,在20次遍历中,RNN-BiLSTM-CNN对智能电网稳定性诊断的准确率、精确率、召回率和F1分数,最高分别达到了99.43%、99.21%、99.41%和0.9859。 展开更多
关键词 智能电网 稳定性诊断 循环神经网络 双向长短期记忆网络 卷积神经网络
暂未订购 下载PDF
基于深度学习的移动设备恶意软件检测与防御策略研究 认领 引用
15
作者 王艺 龚雄涛 +2 位作者 孙健 张琦 罗展州 《移动信息》 2025年第7期206-208,共3页
日益严重的恶意软件使传统的检测方法在面对多样化的攻击时,难以提供有效的防护。针对这一问题,提出了一种基于深度学习的恶意软件检测与防御系统。该系统结合静态分析和动态分析特征,采用CNN-RNN混合模型进行多维特征提取与恶意软件分... 日益严重的恶意软件使传统的检测方法在面对多样化的攻击时,难以提供有效的防护。针对这一问题,提出了一种基于深度学习的恶意软件检测与防御系统。该系统结合静态分析和动态分析特征,采用CNN-RNN混合模型进行多维特征提取与恶意软件分类。同时,通过自动化的数据采集与标签化、深度学习模型的优化训练和实时的防御机制,高效检测和拦截了恶意软件。实验结果表明,该系统在恶意软件检测的精度、召回率等方面优于传统方法,具备更强的实时响应能力,为移动设备的安全提供了有力的技术保障。 展开更多
关键词 恶意软件检测 深度学习 CNN-RNN混合模型 静态特征 动态特征 实时防御
暂未订购 下载PDF
基于卷积递归神经网络的声源信号识别与定位 认领 引用
16
作者 李青 敖邦乾 +2 位作者 阎昌国 陈孝玉 张南庆 《声学技术》 CSCD 北大核心 2025年第3期454-462,共9页
为了有效识别声源信号的类别及定位声源位置,结合卷积神经网络强大的特征提取能力和递归神经网络可处理文本间数据的长期依赖性等优点,设计一种双输入双输出结构模型的卷积递归神经网络(convolutional recurrent neural network,CRNN),... 为了有效识别声源信号的类别及定位声源位置,结合卷积神经网络强大的特征提取能力和递归神经网络可处理文本间数据的长期依赖性等优点,设计一种双输入双输出结构模型的卷积递归神经网络(convolutional recurrent neural network,CRNN),用于对声源信号进行识别和定位。首先设计圆形阵列用于接收声源信号,并对收集到的声源信号数据进行扩展等预处理,然后将声源波形信号转换成相位谱和幅度谱,输入到CRNN中进行学习训练,其输出为声源信号识别的分类概率以及声源信号的定位回归坐标位置,具体步骤为:设置分类识别阈值,当检测到的声源信号阈值大于0.5时,定义为活跃事件,然后对活跃事件的声源信号进行定位。最后,使用设计的CRNN模型分别对无干扰单声源、有回声声源以及混合声源三种声源信号进行分类及定位测试,与传统方法相比,分类准确率提高了42.29个百分点,定位精确度提高了14.09个百分点,与其他神经网络相比,在不明显提高算法复杂度的前提下,在分类准确率及定位精确度综合性能方面提高13.61个百分点,同时,设计的网络模型结构还具有较强的鲁棒性,可应用于声源探测等方面。 展开更多
关键词 声源信号 卷积神经网络 递归神经网络 信号识别定位
暂未订购 下载PDF
面向触觉识别的神经结构搜索算法 认领 引用 被引量：1
17
作者 邹子超 李玉良 +1 位作者 陈萌 马飞红 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2025年第6期1209-1217,共9页
针对手工设计神经网络需要耗费一定时间和精力的问题,本文提出了一种基于自学习遗传算法的两级式神经结构搜索算法,并应用于触觉识别领域。设计了一种自学习遗传算法,利用强化学习优化遗传算法的选择、交叉和变异算子,以求遗传算法加速... 针对手工设计神经网络需要耗费一定时间和精力的问题,本文提出了一种基于自学习遗传算法的两级式神经结构搜索算法,并应用于触觉识别领域。设计了一种自学习遗传算法,利用强化学习优化遗传算法的选择、交叉和变异算子,以求遗传算法加速收敛,并在陷入局部最优时跳出局部最优;基于自学习遗传算法,提出了两级式神经网络结构搜索算法,用于搜索适合处理触觉时序数据的卷积神经网络和循环神经网络串联模型,且为卷积神经网络和循环神经网络模块引入了层间残差连接以解决网络退化问题,并使用公开触觉数据集对算法进行了实验验证。自建包含22类实验样品的触觉数据集,基于数据集进行了搜索算法实验,并对搜索得到的最优网络进行了分类识别测试,识别准确率为96.81%,与长短期记忆网络、门控循环单元网络和卷积神经网络与长短记忆网络串联模型进行对比,对比结果显示:本文搜索算法搜索出的网络性能更加优异,识别率更高,进一步证明了算法的有效性。 展开更多
关键词 神经网络结构搜索 触觉识别 强化学习 遗传算法 卷积神经网络和循环神经网络串联模型 触觉传感器 卷积神经网络与循环神经网络串联模型 层间残差连接循环神经网络模型
暂未订购 下载PDF
基于CNN-LSTM的序列图像空间目标识别方法 认领 引用 被引量：4
18
作者 齐思宇 赵慧洁 +3 位作者 姜宏志 李旭东 王思航 郭琦 《上海航天（中英文）》 CSCD 2025年第2期186-193,共8页
针对现有的基于序列图像的空间目标识别方法难以在特征层级进行融合的问题,提出了将深度卷积网络(CNN)与循环神经网络(RNN)相结合的方法,并对网络模型加以改进。针对单幅图像如何作为序列特征输入的问题,对卷积网络的末端进行修改,将特... 针对现有的基于序列图像的空间目标识别方法难以在特征层级进行融合的问题,提出了将深度卷积网络(CNN)与循环神经网络(RNN)相结合的方法,并对网络模型加以改进。针对单幅图像如何作为序列特征输入的问题,对卷积网络的末端进行修改,将特征图作为序列特征输入;针对序列特征如何映射到目标类别的问题,对长短期记忆网络(LSTM)网络末端进行修改,增加了新的全连接层,得到输出类别。使用0.001~0.006高斯噪声水平训练,以0.007~0.010作为测试集,识别平均准确率(mAP)由90.7%提升至99.16%;训练集与测试集在不同姿态情况下,mAP为94.71%。网络参数量仅为283.0 M。现有的仅在结果层级融合进行识别的问题得到了有效解决。 展开更多
关键词 目标识别 序列图像 空间目标 卷积网络(CNN) 循环神经网络(RNN)
暂未订购 下载PDF
基于改进Seq2Seq的船舶轨迹预测模型 认领 引用 被引量：1
19
作者 唐家乐 段兴锋 姚鹏 《上海海事大学学报》 北大核心 2025年第2期18-22,共5页
针对传统循环神经网络(recurrent neural network,RNN)模型收敛速度慢、精度低,导致海上船舶预测轨迹与真实轨迹之间差别较大的问题,构建由RNN组成的Seq2Seq(sequence to sequence)模型。引入注意力机制和卷积神经网络(convolutional ne... 针对传统循环神经网络(recurrent neural network,RNN)模型收敛速度慢、精度低,导致海上船舶预测轨迹与真实轨迹之间差别较大的问题,构建由RNN组成的Seq2Seq(sequence to sequence)模型。引入注意力机制和卷积神经网络(convolutional neural network,CNN)对模型进行改进,加强对数据特征的提取能力,加快模型收敛速度并提高轨迹预测精度。实验结果显示:与传统RNN模型相比,Seq2Seq模型的均方误差、均方根误差和平均绝对误差分别降低81.41%、12.67%和62.43%;与Seq2Seq模型相比,改进Seq2Seq模型的均方误差、均方根误差和平均绝对误差分别降低42.87%、69.27%和45.79%。 展开更多
关键词 船舶轨迹预测 Seq2Seq(sequence to sequence) 注意力机制 卷积神经网络(CNN) 循环神经网络(RNN)
暂未订购 下载PDF
基于深度无监督学习的本体匹配技术 认领 引用
20
作者 郭建华 吕青 赵保忠 《计算机工程与设计》 北大核心 2025年第1期174-181,共8页
针对一些缺少参考对齐的本体匹配任务,提出一种基于深度无监督学习的匹配技术,通过对文本的上下文信息进行学习,提取到抽象文本特征,以此找到对齐。由于高维度输入会影响计算的效率,针对本体的多种描述构建CNN(convolutional neural net... 针对一些缺少参考对齐的本体匹配任务,提出一种基于深度无监督学习的匹配技术,通过对文本的上下文信息进行学习,提取到抽象文本特征,以此找到对齐。由于高维度输入会影响计算的效率,针对本体的多种描述构建CNN(convolutional neural network)模块并且和不同的RNN(recurrent neural network)串行连接实现特征降维,提出一种改进的基于BiLSTM(bidirectional long and short term memory neural network)的注意力机制来提取较好的抽象特征。提出一种多主导的对齐集成策略将本体不同层次的对齐进行合并,提高匹配的质量。实验在OAEI(ontology alignment evaluation initiative)的benchmark测试集上进行,提出方法的评价指标较高,并且和其它匹配系统作比较,高质量的对齐验证了所提方法具有一定的先进性和创新性。 展开更多
关键词 无监督学习 本体匹配 特征降维 卷积神经网络 循环神经网络 改进的基于双向长短期记忆神经网络的注意力机制 多主导的对齐提取策略
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 7 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈